可见-近红外光谱的小麦硬度预测模型预处理方法的研究

硬度是评价小麦品质的一个重要质量参数,对小麦的分类、最终用途以及小麦籽粒组成的研究都非常重要。为实现小麦硬度的快速、准确检测,在详细分析小麦籽粒成分对红外光吸收特性的基础上,研究建立径向基函数(RBF)神经网络模型实现对未知样品硬度的准确检测,并着重分析了不同光谱信号预处理方法对模型预测精度的影响。从各小麦主产区收集111个小麦样品,扫描样品获得可见-近红外光谱,采用马氏距离判断并剔除异常光谱;利用优化后的SPXY划分样品集合,得到校正集84个样品,预测集24个样品;利用连续投影算法(SPA)从262个光谱波点中提取47个特征光谱;分别使用一阶导数、二阶导数和标准正态变量变换(SNV)及其不同组合对光谱进行预处理,验证不同预处理方法之间的相互影响,寻找最优的预处理方法组合。校正集预处理后的特征光谱数据作为RBF模型的输入,采用硬度指数法测定的对应样品硬度作为输出建立模型。预测结果显示当采用SNV和SPA处理光谱数据时模型的效果达到最优,评价指标判别系数(R^2)、预测标准差(SEP)和相对分析误差(RPD)可分别达到0.90,3.02和3.11,表明基于可见-近红外光谱的RBF神经网络模型能够准确地预测小麦的硬度,与传统检测方法相比具有方便、快速、无损等优点,为小麦硬度的检测提供一条更为便捷与实用的方法。

基于连续投影算法的小麦湿面筋近红外校正模型优化

为减少建模过程中的计算量、提高模型的稳健性及预测精度,将连续投影算法用于小麦湿面筋近红外校正模型的建立。首先采用SPXY算法选择具有代表性的校正集样本,然后对光谱数据作不同预处理,增强光谱特征;运用连续投影算法对原始光谱和预处理后的光谱进行敏感波点提取,进而分别建立多元线性回归校正模型。测试结果表明,对光谱标准正态变量变换后利用连续投影算法提取敏感波点所建多元线性回归模型预测效果最好,预测均方根误差和预测相关系数分别为1.3332和0.94319,优于同等条件下建立的偏最小二乘回归模型。

基于近红外透射光谱分析技术的小麦蛋白质含量测定

近红外分析技术具有快速、简便、准确、非破坏性的优点,为小麦品质检测提供了一种新的技术手段。笔者首先对光谱数据进行移动窗口平均平滑和马氏距离筛选,在以上光谱预处理基础上,建立了小麦籽粒蛋白的偏最小二乘校正模型。仿真试验结果表明:该模型能够较准确地预测小麦蛋白质的含量,预测相关系数、预测均方误差和平均相对误差分别为0.9809、0.1130、1.973%。与用原始数据所建校正模型相比,预测效果显著提高。

基于SPA-RBF神经网络的小麦蛋白质含量无损检测

传统半微量凯氏法测量小麦蛋白质含量繁琐费时,应用近红外光谱分析技术结合SPA-RBF神经网络对小麦蛋白质含量进行快速、无损检测。采用SPXY算法划分校正集和预测集样本,运用连续投影算法(SPA)对一阶微分和SNV预处理后的光谱数据提取敏感波点作为RBF神经网络的输入,建立小麦蛋白质含量的SPA-RBF神经网络校正模型。模型的预测均方根误差和预测相关系数可达到0.26576和0.975,预测效果较好,基本上可以完成粮食储备和食品加工行业对小麦及其制品品质的划分以及育种上的前期世代筛选。研究表明:近红外光谱技术结合SPA-RBF神经网络可实现对小麦蛋白质含量的检测,满足现代农业发展对小麦无损、实时、大量检测的需要。

基于近红外光谱的小麦品质分类研究

为了快速、简便、准确地鉴别小麦品质的类别,本研究提出了应用近红外光谱分析技术结合BP神经网络的鉴别方法对小麦进行品质分类。研究过程中对小麦样品的光谱数据进行了详细分析,采用马氏距离剔除了光谱数据中异常数据,并通过主成分分析说明利用近红外光谱鉴别小麦品质分类的可行性。为了提高所建模型的性能,采用SPXY算法对小麦样品进行合理的划分。并选取了一阶微分加归一化的预处理方法来处理光谱数据,消除无关信息和噪声对小麦光谱数据的影响。运用偏最小二乘法压缩光谱数据,减少了数据量,节省建模时间。最后采用BP神经网络方法建立了小麦品质分类模型。实验结果显示:模型的鉴别效果较好,对强筋样品识别的准确率高达94.4%,弱筋样品识别的准确率高达100%。实现了快速、准确地对小麦品质强筋和弱筋两类的鉴别,对小麦生产、市场交易及食品加工有着非常重要的意义。

基于小波的输油管道泄漏信号去噪处理

基于小波分析的噪声消除方法,研究负压波法提取泄漏信号的去噪。首先介绍基于小波分析的噪声消除基本原理,然后运用小波方法对实测信号进行具体处理,在信号处理过程中考虑了不同小波基和不同的分解层数对去噪结果的影响。实验证明,合理选择小波基和小波分解的层数,能够有效滤除泄漏信号中的噪声。

基于遗传算法的BP神经网络在小麦蛋白质含量预测中的应用

为了快速、简便、准确地测定小麦蛋白质的含量,提出了应用近红外光谱分析技术结合遗传算法(GA)的BP神经网络的建模方法。采用SPXY算法对光谱数据进行了合理划分,并运用连续投影算法(SPA)将预处理过的数据压缩,对光谱数据提取最佳敏感波点作为GA-BP神经网络的输入,建立小麦蛋白质含量的校正模型。模型的预测均方根误差和预测相关系数为1.3379和0.979,并与BP神经网络所建立的校正模型进行了比较。结果表明:GA-BP神经网络所建模型收敛速度快、训练时间短、准确度也较高,能够实现对小麦蛋白质含量快速高效的检测。

一种规则几何图形的计算机识别方法

许多领域在进行图片处理时都需要识别出图片中的几何图形,传统的霍夫变换、不变矩等识别方法都存在着耗费大量系统内存、计算速度慢等缺点。基于此,提出一种新的几何图形的识别方法。介绍了该方法的实现原理和实现过程。最后利用C++Builder编写软件对这种方法进行了测试,证明了该方法的正确性和可靠性。

基于双ATmega128的安检力学试验机设计

针对当前安检力学试验机所能完成的试验种类单一、自动化程度低等问题,提出一种以ATmega128单片机为核心控制器的安检力学试验机的设计。详细阐述了该安检力学试验机各个组成部分的设计原理和方案,并且给出了各部分的软件设计思想和操作流程。经过大量测试试验表明:设计的安检力学试验机可以完成多达十余种的力学安检试验,完全符合相关国家标准,并且具有数据采集精度高、传输速度快、操作安全简便等特点,实现了安检设备的多功能化、数字化和自动化。

基于BP神经网络的数字式光照度计设计

设计了一种基于BP神经网络和硅光电池的宽量程、高精度数字式光照度计,并详细介绍了这种光照度计的工作原理、软硬件设计以及数据拟合的过程。实验数据表明,该光照度计量程宽、精度高,完全能够满足农作物生长环境检测的应用要求。

基于ATmega128的智能安全帽特性检测仪设计

针对当前安全帽特性检测仪数据采集精确度不高以及自动化程度低等问题,提出了一种以ATmega128单片机为控制核心的智能安全帽特性检测仪。介绍了该安全帽特性检测仪硬件的设计原理和方案,并且给出了软件的设计思想和操作流程。实现了安全帽特性检测仪的智能化与数字化。

面粉麸星计算机检测系统

面粉麸星的多少是评价面粉质量的一种重要指标,传统的面粉麸星检测都是依靠人工感官方式,即操作人员利用放大镜(5倍或5倍以上)查找统计视野中能见的麸星。由于麸星的数量多且面积小,因此,靠人工感官检测方式得到的数据结果往往达不到精度要求。针对这一问题提出了一种基于计算机图像处理技术的面粉麸星检测方法,利用该方法可以快速准确地检测出面粉的麸星个数、麸星面积以及面积百分比等指标。

小波神经网络在黄豆含水率测量中的应用

提出一种用于多元非线性函数逼近的小波神经网络的训练算法,设计了网络拓扑结构和对其参数进行估计的混合递阶遗传算法。该方法避免了经典BP算法容易陷入局部极小和训练效率低的缺点,保持了较高的泛化精度,且收敛速度快,进而提高了测量精度。实验表明:应用小波神经网络多元非线性回归方法的含水率测量值与真实值间相对误差均方差为0.084,相对误差均值为0.117,相对误差最大值为0.159。

咔唑保护的金纳米粒子的光限幅性质研究(英文)

利用波长为532 nm,脉宽为8 ns的激光研究了咔唑保护的金纳米粒子在二甲苯中的光限幅特性。研究表明,这种金纳米粒子具有很强的光限幅效应。利用基于米氏散射理论的模型分析了光限幅效应,实验及分析表明,强的光限幅效应是由非线性散射引起的。

应用近红外光谱技术预测面粉中偶氮甲酰胺含量

偶氮甲酰胺作为增筋剂被广泛使用于面粉中,但一些研究表明该物质有一定的毒性,不适合添加到面粉中。本研究根据面粉中偶氮甲酰胺含量的不同,采用径向基函数(RBF)神经网络结合近红外光谱(NIRS)技术建立不同的定量分析模型。研究通过逐步稀释法制备了101个不同ADC含量的面粉样品,并用近红外光谱仪采集这些样本的光谱,得到范围为850-1050nm的光谱数据。在光谱数据处理的过程中,相关系数法被用来提取特征波段,马氏距离法被用来识别异常光谱。当对所有浓度的偶氮甲酰胺样品建立模型时,模型的预测结果:相关系数(R)、预测均方根误差(RMSEP)和相对分析误差(RPD)分别达到0.97828、18.2887和4.7621,这表明模型在整体上具有很好的拟合度和预测能力,但是通过分析预测结果发现模型对低浓度样本的预测较差。针对此问题,利用低浓度样品进行二次建模,模型对低浓度样本预测结果:R、RMSEP和RPD可达到0.99492、2.0286和9.4631,结果表明模型对低浓度样本的预测精度有了显著的提高。

表面等离子体传感器中金膜厚度的优化

依据表面等离子体(SPR)传感器反射系数公式,利用MATLAB软件研究了反射率与入射光波长、入射角、金膜厚度之间的关系。重点研究了表面等离子体共振传感器中金膜厚度对SPR信号强度的影响。通过研究,获得了不同波长时,SPR传感器中金膜厚度的最佳值。

甜菜种子活力的测定——基于近红外高光谱技术

为保证田间甜菜种子的出苗率和生产潜力,需要在种植前对种子进行活力检测,挑选出活力高的甜菜种子进行推广种植。利用高温处理法对甜菜种子进行老化处理,再基于标准正态变换(SNV)、去趋势校正(DET)、Savitzky-Golay平滑处理(SG)、一阶差分(1D)和二阶差分(2D)5种近红外高光谱预处理方法,构建种子活力智能检测模型得出预测的种子发芽率,再利用老化处理后的甜菜种子进行发芽实验得出实际的发芽率。研究发现,甜菜种子经过一阶差分预处理建立的智能检测模型预测性能最好,其预测准确率达到91.92%。将未处理的甜菜种子的实际发芽率与一阶差分预处理法建立的智能模型预测结果进行对比,发现模型的预测准确率为88.2%。近红外高光谱技术是一种快速、无损的作物种子活力测定的新方法。

基于纹理分析的改进型Nagao滤波器

介绍了Nagao滤波器的基本原理,针对传统Nagao滤波器滤波后图像存在伪像以及用计算机实现处理速度慢等缺点,提出了一种基于纹理分析的改进型Nagao滤波器。通过对图像进行纹理分析,得到图像纹理复杂度指标,并用该指标作为Nagao滤波器选择模板的参数。实验分析表明,该方法可以很好地克服传统Nagao滤波器的不足,在进行图像自适应滤波时取得了比较好的效果,非常适合于对计算机处理速度要求比较高的应用。

无人驾驶直升机的飞行控制算法

无人驾驶直升机具有灵敏度高、精确性好、可靠性强等特点。通过对小型无人驾驶直升机飞行控制算法的研究,综合分析了经典PID控制、模糊PID控制、自抗扰控制、小波神经网络控制、带逆模型前馈的显模型跟踪控制、H∞回路成形控制等算法的结构和特点,以及各种算法的适应环境,并进一步展望了国内先进的无人驾驶直升机飞行控制技术的发展趋势。